タグ付けされた質問 「image-registration」

2つの異なるサイズのポイント（簡単にするために2D）の2つの異なるサイズを2つの異なるサイズの正方形に分散させると、問題は次のとおりです。 1- 小さいものから大きいものまでを見つける方法 2-次の図に示すように、発生をランク付けする方法についてのアイデアはありますか？ 質問の簡単なデモンストレーションと望ましい解決策は次のとおりです。 更新1： 次の図は、調査中の問題のもう少し現実的なビューを示しています。 コメントに関して、次のプロパティが適用されます。 ポイントの正確な位置が利用可能です ポイントの正確なサイズが利用可能です サイズはゼロ（〜1）=ポイントのみ 白い背景にすべてのポイントが黒です グレースケール/アンチエイリアシング効果はありません 以下にendolith、いくつかの小さな変更を加えてで提示したメソッドの実装を示します（回転が小さくて高速なので、ソースではなくターゲットを回転しました）。以前にそれについて考えていたので、「endolith」の答えを受け入れました。RANSACについて私はこれまで経験がありません。さらに、RANSACの実装には多くのコードが必要です。

46 image-processing  computer-vision  image-registration 

通常、画像レジストレーションアルゴリズムは、SIFT（Scale-Invariant Feature Transform）などのポイントフィーチャに基づいています。 ラインフィーチャへの参照をいくつか見ましたが、ポイントの代わりに画像セグメントを一致させることが可能かどうか疑問に思っていました。たとえば、与えられたソースと変換された画像： それぞれでエッジ検出、ぼかし、および流域変換を行うことができます： 残念ながら、セグメンテーションは、個々のセグメントに一致するには各画像であまりにも異なることが判明しました。 アフィン変換に不変のマッチング形状と形状記述子に関する論文を見たので、この分野は有望であるようです... 画像のアフィン（または射影）変形に対してより堅牢なセグメンテーション方法はありますか？

15 local-features  image-segmentation  image-registration 

人間の背面の平均曲率を表す一連の画像があります。 私がやりたいのは、画像のその他の部分に類似した反映された「カウンターパート」を持つポイントの画像を「スキャン」することです（おそらく中央線に対して対称ですが、変形がある可能性があるため必ずしもそうではありません）。一部の画像合成技術では、これを使用して画像間の類似点を「自動検出」しますが、同じ画像の両側でそれらを検出したいです。 最終的な目標は、背中を対称的な「半分」に適応的に分割する、連続した、おそらく最も湾曲した縦線を見つけることです。 サンプル画像を下に配置します。すべての領域が対称ではないことに注意してください（具体的には、画像の中心のすぐ上で、赤い垂直「ストリップ」が右にずれています）。その領域は悪いスコアなどを受け取るはずですが、ローカル対称性は、より遠くに配置された対称点から定義されます。いずれにせよ、アルゴリズムをアプリケーションドメインに適合させる必要がありますが、私が目指しているのは、SOM相関/畳み込み/パターンマッチング戦略であり、既に何かがあるはずです。 （編集：下にさらに画像があり、さらに説明があります） 編集：要求に応じて、行儀が良く問題のあるより典型的な画像を含めます。しかし、カラーマップされた画像の代わりに、それらはグレースケール画像であるため、色はデータの大きさに直接関連します。これは、カラー画像では発生しませんでした（通信のためだけに提供されます）。グレーの画像はカラーの画像と比べてコントラストが欠けているように見えますが、データの勾配があり、必要に応じて適応的なコントラストで表示することができます。 1）非常に対称的な被写体の画像： 2）異なる瞬間の同じ被写体の画像。より多くの「機能」（より多くのグラデーション）がありますが、以前のように「対称」ではありません。 3）より一般的な凹型正中線の代わりに正中線に凸部（骨の突起、より明るい領域で示される）を備えた薄い若い被験者： 4）X線で確認された脊椎の逸脱のある若者（非対称性に注意）： 5）典型的な「傾けられた」対象（ほとんどが湾曲した正中線の周りで対称的であり、それ自体は適切に「変形」していない）： どんな助けも大歓迎です！

14 image-processing  cross-correlation  image-registration 

ポイントクラウドは、のために均一なランダム関数を使用して生成されます(x,y,z)。次の図に示すように、（正確ではないにしても）最適なターゲットプロファイルに一致する、つまり左下のコーナーで与えられる、平らな交差面（profile）が調査されています。だから、質問は次のとおりです。 1- 以下の注意事項/条件target 2D point mapをpoint cloud考慮することにより、このような一致を見つける方法は？ 2-座標/方向/類似度などは何ですか？ 注1：関心のあるプロファイルは、軸に沿って任意の回転が可能な場所であればどこでもかまいません。また、位置や向きに応じて、三角形、長方形、四角形などの異なる形状にすることもできます。次のデモンストレーションでは、単純な長方形のみが示されています。 注2：許容値は、プロファイルからのポイントの距離と見なすことができます。次の図のためにこれを実証するためには、許容範囲の仮定0.01最小寸法回(~1)そうにtol=0.01。したがって、残りを削除して、調査対象のプロファイルの平面上に残りのすべてのポイントを投影すると、ターゲットプロファイルとの類似性を確認できます。 注3：関連するトピックは、ポイントパターン認識にあります。

14 image-processing  computer-vision  image-registration  point-cloud 

たとえばY'UV画像でクロマサブサンプリングを利用するときにデータレートを計算する方法を理解するのに苦労しています。 以下の計算例があります。 画像解像度：352*288 周波数：25 fps 以下のために（：4：4 4）以下のように計算例を行きます： (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s ここまでは順調ですね。 しかし、今来る（4：2：0）： (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s さて、この例を例（4：1：1）に変換しようとすると、1.5カラーチャネルの比率がどのように計算されるかを正しく理解しているかどうかわかりません。 計算の最初の推測は（4：2：0）の場合でした： 2/4*3=1.5 color channels 同様に（4：1：1）の場合、カラーチャネルの比率を次のように計算します。 1/4*3=0.75 color channels …

10 image-processing  image-processing  matlab  fourier-series  wavelet  transform  image-processing  matlab  image  image-processing  image-registration  segmentation  image-processing  edge-detection  canny-edge-detector  tracking  image  fft  stft  image-processing  preprocessing  segmentation  image-processing  computer-vision  image-segmentation  thresholding  frequency-spectrum  wave  image-processing  edge-detection  window-functions  image-processing  optical-flow  image-processing  ocr  text-recognition  image-processing  computer-vision  frequency-spectrum  image-processing  image-processing  computer-vision  fourier-transform  dsp-core  wave  image-processing  3d 

私はエッジ検出にハフ変換を使用しようとしています、そして基礎として勾配画像を使用したいと思います。 私はこれまでやっていること、画像所与のIサイズの[M,N]とその偏導関数gx、gy、各画素の勾配角度を計算することですthetas = atan(gy(x,y) ./ gx。同様に、勾配の大きさをとして計算しmagnitudes = sqrt(gx.^2+gy.^2)ます。 ハフ変換を作成するには、次のMATLABコードを使用します。 max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision 

私は現在、肝臓腫瘍セグメンテーションのプロジェクトに参加しています。成長領域を使用して肝臓をセグメント化し、結果の精度を評価する必要があります。Tanimoto Coefficient、Correlationなど、領域拡張アルゴリズムのセグメンテーションの精度を評価するための特定のメトリックがあることを最近知りました。しかし、それらをMatlabに実装する方法がわかりません。/programming/9553204/tanimoto-coefficient-using-matlabをチェックしてください

8 image-processing  image-registration  segmentation 

私の入力は次のようないくつかのバイナリイメージです。 それらは全体的に同じコンテンツを持っていますが、ハンドカメラから作成されているため、登録解除される場合があります。私が計算したいのは、最初の画像から2番目の画像への2D変位ベクトルです。私はOpenCVを使用しており、最初の試みは、特徴点（SURFアルゴリズム）と両方の画像間のアフィン変換を計算することでした。しかし、もちろん、特徴の説明はバイナリ画像ではやや不十分なので、マッチングは困難であり、マッチングマップは非常に不正確です。 誰か私がこれをどうやってできるのか考えていますか？

8 image-processing  image-registration  morphological-operations